ApneaDetector

L'apnée du sommeil est un trouble du sommeil dans lequel la respiration est brièvement et de manière répétée interrompue. La polysomnographie (PSG) est le test clinique standard pour diagnostiquer l'apnée du sommeil. Cependant, elle est coûteuse et chronophage, nécessitant des visites à l'hôpital, des capteurs portables spécialisés, des installations professionnelles et de longues listes d'attente. Pour remédier à ce problème, nous concevons un système basé sur une montre intelligente appelé ApneaDetector, qui exploite les capteurs intégrés de la montre intelligente pour détecter l'apnée du sommeil. Grâce à une étude clinique, nous identifions les caractéristiques de l'apnée du sommeil capturées par la montre intelligente, qui peuvent être utilisées par des techniques d'apprentissage automatique pour la détection de l'apnée du sommeil. Cependant, il existe de nombreux défis techniques, tels que la manière d'extraire divers motifs spéciaux à partir des données de détection bruyantes et multi-axes. Pour relever ces défis, nous proposons des techniques de débruitage du signal et de calibration des données pour traiter les données bruyantes tout en préservant les pics et les creux qui reflètent les événements d'apnée possibles. Nous identifions les caractéristiques de l'apnée du sommeil, telles que les pics de signal qui peuvent être capturés par la montre intelligente, et proposons des méthodes pour extraire des caractéristiques appropriées pour entraîner des modèles d'apprentissage automatique pour la détection de l'apnée. À travers des évaluations expérimentales approfondies, nous démontrons que notre système peut détecter les événements d'apnée avec une grande précision (0,9674), un rappel (0,9625) et un score F1 (0,9649).